Core-periphery decomposition--核心-外围模型R代码整理

    

SNA中：中心度及中心势诠释（不完整代码）

 

Core-periphery decomposition--核心-外围模型R代码整理 

本文是从网易博客搬家过来的，具体模型图片无法显示，暂时通过

流程直通车连接，查看，

核心-边缘模型原始数据及展示（R）

模型描述与R代码整理

R调整后训练结果

#注意：#后为注释，
#控制台展示数量控制
options(max.print=1000000)
#加载所需开发包readr读取文件，igraph包，进行核心-边缘算法的实现
library(readr)
library(igraph)
#加载基础用户群存储文件，建议分地市进行训练，其中C:/Users/luyeda/Desktop/新数据/0434.csv为文件路径，注意R以/为分割非\，不同地市文件执行不同路径。
data<-read_csv("C:/Users/luyeda/Desktop/新数据/0434.csv")
#装载数据到数据框
g <- graph.data.frame(data, directed=F)
#确定最大顶点数量，该值*0.6作为核心用户选取的阈值，具体地市可根据其实际情况进行阈值选出方案。
clique_num(g)
#选取顶点数量大于阈值的用户作为社交达人
CORE <- max_cliques(g, min = 7)
#转化数据格式
B3<-unlist(CORE)
#输出到本地临时文件，在本地“文档”路径下
sink("B3.csv")
 B3
sink()
#将数据转化为1列，便于入oracle进行存储及验证
y<-matrix(scan("C:/Users/luyeda/Documents/B3.csv",what=""), ncol=1, byrow=FALSE)
#转化后的数据输出到文件，最终得到该地市的目标社交达人用户群
sink("B4.csv")
 y
sink()
write.table(y,file="0434shejiaodaren.txt",sep=",",quote = FALSE,row.names = FALSE, col.names = FALSE)
#结束